مستشعرات الذكاء الاصطناعي قد تساعد المركبات ذاتية القيادة في المدن الثلجية

تعتبر واحدة من أكبر التحديات التي تواجه المركبات ذاتية القيادة هي صعوبة التنقل في ظروف الطقس السيئة، مما يحد بشكل كبير من تطبيقها في المدن الثلجية مثل ديترويت وشيكاغو. تعتمد المركبات على بيانات المستشعرات الحساسة لاكتشاف العوائق والبقاء على الجانب الصحيح من الطريق، ولكن هذه البيانات تعاني في الثلج.

في ورقتين جديدتين قدمتا في SPIE Defense + Commercial Sensing 2021، ناقش باحثون من جامعة ميشيغان التكنولوجية حلولا جديدة للسيناريوهات الثلجية مع المركبات ذاتية القيادة.

توجد مجموعة واسعة من المركبات ذاتية القيادة، بما في ذلك بعضها مع نقاط عمياء أو مساعدة في الفرملة، وأخرى مع وضعية القيادة الذاتية متاحة وإيقافها. يمكن لأفضل المركبات العمل بالكامل بمفردها.

نظرًا لأن التكنولوجيا لا تزال في مرحلة الطفولة في العديد من الجوانب، تعمل شركات السيارات والجامعات البحثية بشكل مستمر على تحسين التكنولوجيا والخوارزميات. عندما تحدث الحوادث، غالبًا ما تكون نتيجة لحكم خاطئ من قبل الذكاء الاصطناعي للسيارة أو خطأ بشري.

مستشعرات بشرية

تعتبر العيون البشرية أيضًا نوعًا من المستشعرات، حيث تكتشف التوازن والحركة. يعمل دماغنا كجهاز معالجة، مما يساعدنا على فهم بيئتنا. هذه معًا تمكننا من القيادة في جميع السيناريوهات، حتى تلك الجديدة، لأن أدمغتنا يمكنها تعميم الخبرات الجديدة.

عادة ما تحتوي المركبات ذاتية القيادة على كاميرتين مثبتتين على جيمبال، وتسكان وتميز العمق باستخدام رؤية ستيريو لمحاكاة الرؤية البشرية. في نفس الوقت، يمكن قياس التوازن والحركة باستخدام وحدة قياس quánية. ومع ذلك، يمكن لأجهزة الكمبيوتر الاستجابة فقط للسيناريوهات التي واجهوها من قبل أو تلك التي تم برمجتها بالفعل للتعرف عليها.

دمج المستشعرات

تعتمد المركبات ذاتية القيادة على خوارزميات الذكاء الاصطناعي المحددة للمهمة، والتي تتطلب مستشعرات متعددة مثل الكاميرات ذات الزاوية الواسعة، ومستشعرات الأشعة تحت الحمراء، ورادار، وكشف الضوء، وlidar.

ناثير رواشده هو أستاذ مساعد في علوم الحاسوب في كلية علوم الحاسوب بجامعة ميشيغان التكنولوجية، وهو أحد المؤلفين الرئيسيين للدراسة.

“لكل مستشعر قيود، وكل مستشعر يغطي ظهر الآخر”، قال رواشده. “يستخدم دمج المستشعرات مستشعرات متعددة من أنماط مختلفة لفهم المشهد. لا يمكن برمجة كل التفاصيل بشكل متكرر عندما يكون للبيانات أنماطًا صعبة. لذلك نحتاج إلى الذكاء الاصطناعي”.

شملت التعاون في الدراسة نادر أبو الروب، طالب دكتوراه في الهندسة الكهربائية والحاسوب، وجيريمي بوس، أستاذ مساعد في الهندسة الكهربائية والحاسوب. وشملت التعاون الأخرى طلاب الدراسات العليا والخريجين من مختبر بوس: آخيل كوروب، وديريك تشوب، وزاك جيفريز.

تم تطوير مستشعرات وخوارزميات المركبات ذاتية القيادة تقريبًا حصريًا في المناظر الطبيعية الشمسية والواضحة. بدأ مختبر بوس في البداية بجمع البيانات في مركبة ذاتية القيادة في جامعة ميشيغان التكنولوجية في الثلج الكثيف، وتم جمع أكثر من 1000 إطار من بيانات ليدار ورادار وصور من الطرق الثلجية في ألمانيا والنرويج.

وفقًا لما قال بوس، فإن كشف المستشعرات صعب بسبب تنوع الثلج. من المهم معالجة البيانات بشكل مسبق وضمان التسمية الدقيقة.

“ليس كل الثلج متساويًا”، قال بوس “الذكاء الاصطناعي مثل الطاهي — إذا كان لديك مكونات جيدة، سيكون هناك وجبة رائعة”، قال. “إعطاء الشبكة التعلمية للذكاء الاصطناعي بيانات مستشعر متسخة، وستحصل على نتيجة سيئة”.

تتضمن بعض التحديات الكبرى الأخرى بيانات ذات جودة منخفضة والاتساخ، وتراكم الثلج على المستشعرات يسبب مشاكله الخاصة. حتى بعد تنظيف المستشعرات، لا يوجد دائمًا اتفاق في الكشف عن العوائق. غالبًا ما يكون من الصعب الحصول على مستشعرات وتقييمات المخاطر للتواصل والتعلم من بعضها البعض، حيث يمكن لكل منها الوصول إلى استنتاج riêng. ومع ذلك، يريد الفريق أن تصل مستشعرات الذكاء الاصطناعي بشكل جماعي إلى استنتاج باستخدام دمج المستشعرات.

“بدلاً من التصويت الصارم، سنأتي باستخدام دمج المستشعرات مع تقدير جديد”، يقول بوس.

ستستمر مستشعرات المركبات ذاتية القيادة في التعلم والتحسين في الطقس السيئ، وقد تؤدي المناهج الجديدة مثل دمج المستشعرات الطريق للمركبات ذاتية القيادة على الطرق الثلجية.